README.md

🌐 کثیراللسان سپورٹ

GitHub ایکشن کے ذریعے معاونت یافتہ (خودکار اور ہمیشہ تازہ ترین)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

کیا آپ مقامی طور پر کلون کرنا پسند کرتے ہیں؟

یہ ذخیرہ 50+ زبانوں کے تراجم شامل کرتا ہے جو ڈاؤن لوڈ کے حجم میں نمایاں اضافہ کرتے ہیں۔ بغیر تراجم کے کلون کرنے کے لیے spars checkout استعمال کریں:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

اس سے آپ کے پاس یہ کورس مکمل کرنے کے لیے تمام ضروری چیزیں کم وقت میں ڈاؤن لوڈ ہو جاتی ہیں۔

ہماری کمیونٹی میں شامل ہوں

ہم نے ایک Discord لرن وِد اے آئی سیریز شروع کی ہے، مزید جانیں اور شامل ہوں Learn with AI Series پر 18 - 30 ستمبر، 2025. آپ کو GitHub کوپائلٹ کے ڈیٹا سائنس میں استعمال کے ٹپس اور ٹرکس ملیں گے۔

نیا سیکھنے والوں کے لیے مشین لرننگ - نصاب

🌍 دنیا کے ثقافتوں کے ذریعے مشین لرننگ کا سفر 🌍

مائیکروسافٹ میں کلاؤڈ ایڈووکیٹس خوشی سے پیش کرتے ہیں 12 ہفتوں کا، 26 سبقوں پر مشتمل نصاب جو مکمل طور پر مشین لرننگ کے بارے میں ہے۔ اس نصاب میں آپ وہ سیکھیں گے جسے بعض اوقات کلاسیکی مشین لرننگ کہا جاتا ہے، جس میں بنیادی طور پر Scikit-learn لائبریری استعمال ہوتی ہے اور ڈیپ لرننگ سے گریز کیا جاتا ہے، جو ہمارے AI for Beginners' نصاب میں شامل ہے۔ ساتھ ہی آپ ان اسباق کو ہمارے 'Data Science for Beginners' نصاب کے ساتھ جوڑ سکتے ہیں۔

ہمارے ساتھ دنیا کے مختلف حصوں سے ڈیٹا پر یہ کلاسیکی تکنیکیں اپنائیں۔ ہر سبق میں پری اور پوسٹ لکچر کوئزز، تحریری ہدایات، حل، اسائنمنٹ اور مزید شامل ہیں۔ ہمارا پروجیکٹ پر مبنی تعلیماتی انداز آپ کو بنانے کے دوران سیکھنے کا موقع دیتا ہے، جو نئے ہنر کو مضبوط کرنے کا موثر طریقہ ہے۔

✍️ ہمارے مصنفین کا دلی شکریہ جین لوپر، اسٹیفن ہاؤل، فرانسسکا لازیری، تومومی امورا، کیسی بریو، دمتری سوشنکوف، کرس نورنگ، انربن مکھرجی، آرنیلا الٹیونین، روتھ یاکوبو اور ایمی بوئڈ

🎨 ہمارے مصوروں کا بھی شکریہ تومومی امورا، دسانی مادپلّی، اور جین لوپر

🙏 خاص شکریہ 🙏 ہمارے Microsoft Student Ambassador مصنفین، جائزہ نگاروں اور مواد کے شریک عملداروں کے لیے خاص طور پر رِشِت دگلی، محمد ثاقب خان اینان، روہن راج، الیگزینڈرو پیٹریسکو، ابھیشیک جیسوال، نوئرین طبعسم، ایوان سیمویلا، اور سنگدھا اگروال

🤩 اضافی شکر گزاری Microsoft Student Ambassadors ایرک وانجاو، جیسلین سون دھی، اور ودوشی گپتا کو ہماری R اسباق کے لیے!

شروعات کیسے کریں

یہ اقدامات کریں:

1. ریپوزیٹری کو فورک کریں: صفحے کے اوپر دائیں جانب "Fork" بٹن پر کلک کریں۔
2. ریپوزیٹری کلون کریں: git clone https://github.com/microsoft/ML-For-Beginners.git

اس کورس کے تمام اضافی وسائل ہمارے Microsoft Learn مجموعے میں موجود ہیں

🔧 مدد چاہیے؟ عام مسائل اور ان کے حل کے لیے ہمارا Troubleshooting Guide دیکھیں۔

طلبہ، اس نصاب کو استعمال کرنے کے لیے پوری ریپو کو اپنے GitHub اکاؤنٹ پر فورک کریں اور مشقیں خود یا گروپ کے ساتھ مکمل کریں:

• پری لیکچر کوئز سے شروع کریں۔
• لیکچر پڑھیں اور سرگرمیاں مکمل کریں، ہر علم کی جانچ میں توقف کریں اور غور کریں۔
• کوشش کریں کہ پروجیکٹس خود سمجھ کر بنائیں بجائے حل کوڈ کو چلانے کے؛ تاہم یہ کوڈ ہر پروجیکٹ-مرکوز سبق کے /solution فولڈر میں دستیاب ہے۔
• پوسٹ لیکچر کوئز لیں۔
• چیلنج مکمل کریں۔
• اسائنمنٹ مکمل کریں۔
• کسی سبق گروپ کو مکمل کرنے کے بعد، Discussion Board پر جائیں اور متعلقہ PAT روبریک بھر کر سیکھنے کا اظہار کریں۔ PAT ایک پروگریس اسیسمنٹ ٹول ہے جسے آپ اپنے سیکھنے کے لیے بھرتے ہیں۔ آپ دوسرے PATs پر ردعمل بھی دے سکتے ہیں تاکہ ہم سب مل کر سیکھ سکیں۔

مزید مطالعہ کے لیے، ہم درج ذیل Microsoft Learn ماڈیولز اور سیکھنے کے راستے اپنانے کی تجویز کرتے ہیں۔

اساتذہ کے لیے، ہم نے کچھ تجاویز شامل کی ہیں کہ اس نصاب کو کس طرح استعمال کیا جا سکتا ہے۔

---

ویڈیو واک تھروز

کچھ اسباق مختصر ویڈیو کی شکل میں دستیاب ہیں۔ آپ یہ ویڈیوز اسباق میں ان لائن یا ML for Beginners کی پلے لسٹ مائیکروسافٹ ڈویلپر یوٹیوب چینل پر تصویر پر کلک کرکے دیکھ سکتے ہیں۔

---

ٹیم سے ملاقات

گیف بذریعہ Mohit Jaisal

🎥 پروجیکٹ اور اسے بنانے والوں کے بارے میں ویڈیو کے لیے اوپر تصویر پر کلک کریں!

---

تدریسی طریقہ کار

ہم نے اس نصاب کو تیار کرتے ہوئے دو تدریسی اصول منتخب کیے ہیں: اسے عملی، پروجیکٹ پر مبنی بنانا اور بار بار کوئزز شامل کرنا۔ اس کے علاوہ، اس نصاب کا ایک مشترکہ تھیم بھی ہے جو اسے مربوط بناتا ہے۔

مواد کا پروجیکٹس سے ہم آہنگ ہونا طلبہ کے لیے دلچسپی بڑھاتا ہے اور تصورات کے یاد رکھنے میں مدد دیتا ہے۔ کلاس سے پہلے ایک کم داؤ کا کوئز طلبہ کو سیکھنے کے لیے راغب کرتا ہے، اور کلاس کے بعد دوسرا کوئز یادداشت کو مزید مضبوط کرتا ہے۔ یہ نصاب لچکدار اور دلچسپ ہے اور مکمل یا جزوی طور پر لیا جا سکتا ہے۔ پروجیکٹس چھوٹے شروع ہوتے ہیں اور 12 ہفتوں کے آخر تک پیچیدہ ہو جاتے ہیں۔ ساتھ ہی اس نصاب میں ML کی اصلی دنیا میں ایپلیکیشنز پر پوسٹ اسکرپٹ شامل ہے جو اضافی کریڈٹ یا بحث کے لیے استعمال ہو سکتا ہے۔

ہمارا Code of Conduct، Contributing، Translation، اور Troubleshooting گائیڈ لائنز دیکھیں۔ ہم آپ کی تعمیری رائے کا خیرمقدم کرتے ہیں!

ہر سبق میں شامل ہے

• اختیاری اسکچ نوٹ
• اختیاری اضافی ویڈیو
• ویڈیو واک تھرو (کچھ اسباق میں)
• پری لیکچر وارم اپ کوئز
• تحریری سبق
• پروجیکٹ-بنیاد اسباق کے لیے قدم بہ قدم ہدایات جو آپ کو پروجیکٹ بنانے میں مدد دیتی ہیں
• علم کی جانچ
• ایک چیلنج
• اضافی مطالعہ
• اسائنمنٹ
• پوسٹ-لیکچر کوئز

زبانوں کے بارے میں ایک نوٹ: یہ اسباق بنیادی طور پر Python میں لکھے گئے ہیں، لیکن بہت سے R میں بھی دستیاب ہیں۔ R کا سبق مکمل کرنے کے لیے، /solution فولڈر میں جائیں اور R اسباق تلاش کریں۔ ان میں .rmd ایکسٹینشن شامل ہوتا ہے جو ایک R مارک ڈاؤن فائل کی نمائندگی کرتا ہے جسے آسانی سے code chunks (R یا دوسری زبانوں کے) اور ایک YAML header (جو آؤٹ پٹس جیسے PDF کی فارمیٹنگ کی رہنمائی کرتا ہے) کو Markdown document میں شامل کرنے کے طور پر بیان کیا جا سکتا ہے۔ اس طرح، یہ ڈیٹا سائنس کے لیے ایک مثالی تحریری فریم ورک کے طور پر کام کرتا ہے کیونکہ یہ آپ کو اپنا کوڈ، اس کا آؤٹ پٹ، اور اپنے خیالات کو مارک ڈاؤن میں لکھ کر یکجا کرنے کی اجازت دیتا ہے۔ مزید برآں، R مارک ڈاؤن دستاویزات کو PDF، HTML، یا Word جیسے آؤٹ پٹ فارمیٹس میں رینڈر کیا جا سکتا ہے۔

کوئزز کے بارے میں ایک نوٹ: تمام کوئزز Quiz App folder میں موجود ہیں، کل 52 کوئزز جن میں ہر ایک میں تین سوالات ہوتے ہیں۔ یہ اسباق کے اندر سے لنک کیے گئے ہیں لیکن کوئز ایپ کو لوکل طور پر چلایا جا سکتا ہے؛ quiz-app فولڈر میں ہدایات پر عمل کریں تاکہ مقامی طور پر ہوسٹ کریں یا Azure پر تعینات کریں۔

سبق نمبر	موضوع	سبق کی تقسیم	سیکھنے کے مقاصد	منسلک سبق	مصنف
01	مشین لرننگ کا تعارف	Introduction	مشین لرننگ کے بنیادی تصورات کو سیکھیں	Lesson	محمد
02	مشین لرننگ کی تاریخ	Introduction	اس میدان کی تاریخ جانیں	Lesson	جین اور ایمی
03	مشین لرننگ اور انصاف	Introduction	وہ اہم فلسفیانہ مسائل جو طلباء کو ML ماڈلز بناتے اور استعمال کرتے وقت انصاف کے بارے میں غور کرنا چاہیے؟	Lesson	ٹومی
04	مشین لرننگ کی تکنیکس	Introduction	مشین لرننگ کے ماہرین کون سی تکنیک استعمال کرتے ہیں ML ماڈلز بنانے کے لیے؟	Lesson	کرس اور جین
05	ریگریشن کا تعارف	Regression	Python اور Scikit-learn کے ساتھ ریگریشن ماڈلز کی شروعات کریں	Python • R	جین • ایرک ونجاؤ
06	شمالی امریکہ کے کدو کے نرخ 🎃	Regression	مشین لرننگ کی تیاری کے لیے ڈیٹا کو بصری شکل میں لائیں اور صاف کریں	Python • R	جین • ایرک ونجاؤ
07	شمالی امریکہ کے کدو کے نرخ 🎃	Regression	خطی اور کثیر رکنی ریگریشن ماڈلز بنائیں	Python • R	جین، دمتری اور ایرک ونجاؤ
08	شمالی امریکہ کے کدو کے نرخ 🎃	Regression	لاجسٹک ریگریشن ماڈل بنائیں	Python • R	جین • ایرک ونجاؤ
09	ایک ویب ایپ 🔌	Web App	اپنی تربیت شدہ ماڈل استعمال کرنے کے لیے ایک ویب ایپ بنائیں	Python	جین
10	درجہ بندی کا تعارف	Classification	اپنے ڈیٹا کو صاف کریں، تیار کریں اور بصری شکل میں لائیں؛ درجہ بندی کا تعارف	Python • R	جین، کیسی اور ایرک ونجاؤ
11	مزیدار ایشیائی اور ہندی کھانے 🍜	Classification	درجہ بند کرنے والوں کا تعارف	Python • R	جین، کیسی اور ایرک ونجاؤ
12	مزیدار ایشیائی اور ہندی کھانے 🍜	Classification	مزید درجہ بند کرنے والے	Python • R	جین، کیسی اور ایرک ونجاؤ
13	مزیدار ایشیائی اور ہندی کھانے 🍜	Classification	اپنی ماڈل استعمال کرتے ہوئے ایک سفارش کنندہ ویب ایپ بنائیں	Python	جین
14	کلسٹرنگ کا تعارف	Clustering	اپنے ڈیٹا کو صاف کریں، تیار کریں اور بصری شکل میں لائیں؛ کلسٹرنگ کا تعارف	Python • R	جین • ایرک ونجاؤ
15	نائیجیریا کے موسیقی کے ذوق کی تلاش 🎧	Clustering	K-Means کلسٹرنگ طریقہ کار کو دریافت کریں	Python • R	جین • ایرک ونجاؤ
16	قدرتی زبان کی پراسیسنگ کا تعارف ☕️	Natural language processing	ایک سادہ بوٹ بنا کر NLP کے بنیادی اصول سیکھیں	Python	اسٹیفن
17	عمومی NLP کے کام ☕️	Natural language processing	زبان کے ڈھانچوں کے ساتھ کام کرنے میں درکار عام کاموں کو سمجھ کر اپنے NLP کا علم گہرا کریں	Python	اسٹیفن
18	ترجمہ اور جذباتی تجزیہ ♥️	Natural language processing	جین آسٹن کے ساتھ ترجمہ اور جذباتی تجزیہ	Python	اسٹیفن
19	یورپ کے رومانٹک ہوٹلز ♥️	Natural language processing	ہوٹل جائزوں کے ساتھ جذباتی تجزیہ 1	Python	اسٹیفن
20	یورپ کے رومانٹک ہوٹلز ♥️	Natural language processing	ہوٹل جائزوں کے ساتھ جذباتی تجزیہ 2	Python	اسٹیفن
21	ٹائم سیریز پیشن گوئی کا تعارف	Time series	ٹائم سیریز پیش گوئی کا تعارف	Python	فرانسسکا
22	⚡️ عالمی توانائی کا استعمال ⚡️ - ARIMA کے ساتھ پیش گوئی	Time series	ARIMA کے ساتھ ٹائم سیریز کی پیش گوئی	Python	فرانسسکا
23	⚡️ عالمی توانائی کا استعمال ⚡️ - SVR کے ساتھ پیش گوئی	Time series	Support Vector Regressor کے ساتھ ٹائم سیریز پیش گوئی	Python	انربن
24	reinforcement learning کا تعارف	Reinforcement learning	Q-Learning کے ساتھ reinforcement learning کا تعارف	Python	دمتری
25	پیٹر کو بھیڑیے سے بچائیں! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	دمتری
پوسٹ اسکرپٹ	کلاسیکی ML کی حقیقی دنیا کی مثالیں	ML in the Wild	کلاسیکی مشین لرننگ کی دلچسپ اور واضح حقیقی دنیا کی ایپلی کیشنز	Lesson	ٹیم
پوسٹ اسکرپٹ	RAI ڈیش بورڈ کے ذریعے ML میں ماڈل کی خرابی کی جانچ	ML in the Wild	Responsible AI ڈیش بورڈ کے اجزاء کے ذریعے مشین لرننگ میں ماڈل کی خرابی کی جانچ	Lesson	روت یا کوبو

اس کورس کے لیے تمام اضافی وسائل ہماری Microsoft Learn کلیکشن میں تلاش کریں

آف لائن رسائی

آپ اس دستاویز کو آف لائن Docsify استعمال کرکے چلا سکتے ہیں۔ اس ریپو کو فورک کریں، اپنے لوکل میشن پر Docsify انسٹال کریں، پھر اس ریپو کے روٹ فولڈر میں docsify serve ٹائپ کریں۔ ویب سائٹ آپ کے localhost پر پورٹ 3000 پر دستیاب ہوگی: localhost:3000۔

پی ڈی ایف

نصاب کا پی ڈی ایف مختلف اقسام کے لنکس کے ساتھ یہاں دستیاب ہے۔

🎒 دیگر کورسز

ہماری ٹیم دیگر کورسز بھی بناتی ہے! دیکھیں:

LangChain

Azure / Edge / MCP / Agents

---

جنریٹیو AI سیریز

---

بنیادی تعلیم

---

کوپائلٹ سیریز

مدد حاصل کرنا

اگر آپ پھنس جائیں یا AI ایپس بنانے کے بارے میں کوئی سوال ہو۔ MCP کے بارے میں بحث میں دوسروں سیکھنے والوں اور تجربہ کار ڈویلپرز میں شامل ہوں۔ یہ ایک مددگار کمیونٹی ہے جہاں سوالات خوش آمدید ہیں اور علم آزادانہ طور پر شئیر کیا جاتا ہے۔

اگر آپ کے پاس پروڈکٹ فیڈبیک ہو یا بنانے کے دوران کوئی غلطی ہو تو یہاں جائیں:

اضافی سیکھنے کے نکات

• بہتر سمجھ کے لیے ہر سبق کے بعد نوٹ بکس کا جائزہ لیں۔
• الگورتھمز کو خود سے نافذ کرنے کی مشق کریں۔
• سیکھی گئی تصورات کا استعمال کرتے ہوئے حقیقی دنیا کے ڈیٹا سیٹس کو دریافت کریں۔

---

دستخطی اعلامیہ: یہ دستاویز AI ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ اگرچہ ہم درستگی کے لئے کوشاں ہیں، براہ کرم آگاہ رہیں کہ خودکار تراجم میں غلطیاں یا نواقص ہو سکتے ہیں۔ اصل دستاویز اپنی مادری زبان میں ایک مستند ماخذ کے طور پر سمجھی جانی چاہیے۔ اہم معلومات کے لئے پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے ہونے والی کسی بھی غلط فہمی یا غلط تشریح کی ذمہ داری ہم قبول نہیں کرتے۔